Vi som står bak prosjektet er Eirik Krogstad og Petter Hannevold. Vi har gjort et prosjekt sammen med Microbial Evolution Research Group (MERG) ved

Transkript

1 1

2 Vi som står bak prosjektet er Eirik Krogstad og Petter Hannevold. Vi har gjort et prosjekt sammen med Microbial Evolution Research Group (MERG) ved Biologisk institutt, Universitetet i Oslo. Disse jobber med å undersøke små organismer for å besvare store spørsmål innenfor evolusjon og oppbygningen av «livets tre». Vi må først gi en introduksjon til hva alt dette handler om 2

3 De siste tiårene har det vi kaller livsvitenskapene en rekke felter knyttet til biologi og medisin gjennomgått en genetisk revolusjon. En av de største framskrittene på lang tid har vært muligheten til å lese ut genetisk informasjon fra enhver organisme, såkalt sekvensering. Disse teknikkene akselererer i samme takt som Murphys lov. Det genereres enorme mengder data hver eneste dag, og å sortere og analysere denne informasjonen er en av hovedutfordringene i feltet bioinformatikk, i krysningspunktet mellom livsvitenskap og IT. Vårt prosjekt er knyttet til dette feltet. 3

4 DNA er som dere vet menneskets arvestoff, men styrer også vår utvikling gjennom livet og en rekke daglige prosesser. Det er nøstet opp i kromosomer, som disse. Informasjonen er kodet kjemisk i form av baser langs hver av trådene. Basene betegnes med sin forbokstav når vi leser dem ut. Det er slik at A alltid pares med T, og C med G. Når maskineriet i cellen leser ut et gen, skjer dette ved hjelp av det beslektede molekylet RNA. Dette bygges opp, base for base, med den ene tråden som mal. Som vi kan se har RNA-tråden den samme sekvensen som tråden under, med unntak av at den ene basen er byttet ut med en som er kjemisk veldig lik. RNA kan inneholde en oppskrift på et protein, eller ha oppgaver i seg selv. 4

5 MERG har for et bestemt prosjekt særlig interesse for en type RNA kalt microrna. Dette er korte segmenter av RNA som leses ut av DNA på samme måte. Ettersom de nevnte basene parer seg med hverandre, kan RNA folde seg inn mot seg selv. mirna danner en såkalt hårnålsløkke, eller pre-mirna. Denne klippes opp, og et lite segment bevares. mirna har en viktig regulerende rolle, ved at det modne segmentet binder seg til et annet stykke RNA, som for eksempel ville kunne bli til et protein, og hindrer dette i å viderebehandles. 5

6 Vi har som nevnt enorme mengder genetiske data. En av verktøyene som brukes hyppig er en søkealgoritme som heter BLAST. Denne kan ta en rekke søkesekvenser og svært hurtig finne liknende segmenter i enorme databaser. Si vi har identifisert noen gener hos en organisme vi er interessert i, og vil vite i hvilke andre organismer liknende gener finnes. BLAST hjelper oss med dette. 6

7 Et BLAST-resultat består egentlig av en tekstfil, med navnene på søkestrengene, og en rekke treff, samt en beskrivelse av området som matcher. Vi kan se her at et lite område fra mye lengre sekvenser matcher. Et fullstendig resultat kan være på flere hundre megabyte med dette. 7

8 Derfor har MERG utviklet programmet BLASTGrabber. Det importerer og organiserer BLAST-resultater, og lar en navigere og analysere disse dataene på ulike måter. BLASTGrabber kan også inneholde filreferanser for selve sekvensdataene, og ble nylig utstyrt med et plugin-interface som det kan eksportere data til. BLASTGrabber er skrevet i Java. 8

9 Vårt prosjekt, RNA Folding, er den første utvidelsen til BLASTGrabber, og er også skrevet i Java. Hensikten er å folde RNA, med spesialiseringer for å folde mirna. Utvidelsen gjør dette ved å samle sekvensdata og metadata om sekvenser fra BLASTGrabber, og informasjon om mirna fra en nettkilde. Deretter forhåndsbehandler den disse dataene, og benytter vitenskapelig anerkjente tredjeparts programmer for å gjøre selve foldinga, en etablert pakke med programvare fra Universitetet i Wien. Vi repliserer også noe av funksjonaliteten i egen kode. Kort fortalt går vi altså fra en streng som dette, til dette. 9

10 Vi har her ferdiglastet pluginen med et søk der vi har søkt etter alle kjente hårnålsstrukturer i genomet til en organisme. Her ser vi alle søkestrengene ligge som toppnoder i treet vårt, mens resultatene ligger under. Alle søkesekvensene og de aktuelle gensekvensene vi trenger blir lastet inn i minnet ved oppstart. Søkesekvensene lastes inn som en liste med strenger som vi bruker i sin helhet, mens vi må bruke metadataen fra treffene for å finne resultat-sekvensen inne i gensekvensene som er lastet inn. Når vi trykker "Fold"-knappen kjøres en binærfil i bakgrunnen som inneholder en algoritme som gir oss den foldede strukturen, det genereres også en postscript-fil som danner grunnlaget visualiseringen nede i hjørnet. Det vises også data om foldingen i tekstvinduet. Om vi zoomer inn ser vi at noen av basene er omgitt av en stiplet linje, det betyr at dette området er det som har høyest sannsynlighet for å bli det modne mirnaet, dette hjelper brukerne med å fastslå hvorvidt strengen vi har søkt fram er egnet til å produsere mirna eller ikke. Fargekodene har også en betydning, men det har vi desverre ikke tid til å gå inn på akkurat nå. Vi kan også folde suboptimale strukturer ved å gå inn på neste tab, enten ved å folde innenfor et intervall av frigjort energi, eller et antall tilfeldig utvalgte strukturer. 10

11 Vi kan folde flere strukturer samtidig i taben "multiple runs"-taben, her kan vi også folde innenfor et temperaturintervall. I options-taben har vi en del valg for foldingen av strukturer. Vi har ikke tid til å gå inn på detaljene om disse, men i prinsippet er dette parametre som sendes til binærfilen ved kjøring. Vi har også lagt inn brukerveiledningen i pluginen 10

12 Her ser vi ei grov skisse av klassene vi har brukt. I Main ligger metodene som kjøres ved oppstart av pluginen, det ligger også et Facade-objekt her som blant annet inneholder metoder for å hente sekvensdata fra BLASTGrabber. Vi får som sagt Query- og Hit-objekter fra BLASTGrabber, disse blir omgjort til subklasser fordi vi var avhengige av å overlaste tostring()-metodene. Disse blir gjort tilgjengelige i GUI-kontrolleren. Vi Henter data om relasjonen mellom kjente hårnålstrukturer og det modne mirnaet de produserer fra ei tekstfil fra mirbase.org og legger dette inn i disse to klassene (MatureData og MatureInfo). Til slutt har vi de to klassene ColorAnnotator og RNAFolder som inneholder statiske metoder for folde og fargelegge strukturene. 11

13 Etter en litt rask oppstart valgte vi å bruke Extreme Programming som arbeidsmetode. XP er en såkalt smidig metodikk som vektlegger testing, parprogrammering og tett oppfølging fra oppdragsgiver. Istedenfor å lage en detaljert kravspesifikasjon i starten av prosjektet blir man enige om en mer overordnet spesifikasjon som man må regne med at blir endret underveis. Dette passet veldig godt inn i måten vi allerede jobbet på, både fordi vi skrev mye kode sammen, og at vi har hatt et tett og godt samarbeid med oppdragsgiveren. Funksjonene og utseendet på programmet har formet seg litt underveis i konsensus mellom oss og gutta på MERG. Vi har imidlertid ikke fulgt det strenge testregimet som foretrekkes for XP. På grunn av avhengigheter til BLASTGrabber fant vi ut at det ble litt vel komplisert å lage reelle testdata for automatisert testing. Vi har til en viss grad erstattet denne mangelen med omfattende manuell testing, men det blir nok ikke helt riktig å påstå at vi har hatt testdrevet utvikling i prosjektet. 12

14 Vi har benyttet NetBeans under utviklingen. Vi har benyttet GitHub for versjonshåndtering. Vi har hatt hver vår fork av kildekoden, lastet ned hverandres endringer og lastet opp endringer etter en arbeidsøkt. På den måten har vi til enhver tid både prosjektets fulle historie, og har alltid jobbet med den siste versjonen av kildekoden. Ellers har vi brukt Dropbox til utveksling av andre filer, og en wiki for dokumentasjon, dagbok, møtereferater og liknende underveis. 13

15 I dette prosjektet har vi lært mer om den arbeidsformen som prosjektarbeid innebærer. Vi har lært litt om plugin-arkitektur, og fått utvidet kjennskapen til Java. Vi har fått føle viktigheten av god kodeskikk og det å jobbe strukturert i et team. Vi har også fått med oss en del biologi og det å samarbeide med en annen faggruppe i et tverrfaglig prosjekt. Vi har fått gode tilbakemeldinger fra oppdragsgiver på produktet vårt underveis. Selv om prosjektet startet opp litt ustrukturert mener vi vi har lært mye, og håper vi er litt mer forberedt på utfordringer i arbeidslivet. Til slutt vil vi si at det har vært et veldig morsomt prosjekt, og vi har fått mange gode erfaringer. 14